写点什么
创作场景
- 记录自己日常工作的实践、心得
- 发表对生活和职场的感悟
- 针对感兴趣的事件发表随笔或者杂谈
- 从 0 到 1 详细介绍你掌握的一门语言、一个技术,或者一个兴趣、爱好
- 或者,就直接把你的个人博客、公众号直接搬到这里
登录/注册
收录了 速度训练 频道下的 50 篇内容

现在,适用于 Ubuntu 和 Amazon Linux 的 AWS Deep Learning AMI 包含最新版本的 TensorFlow (1.5) 和 Microsoft Cognitive Toolkit (2.4)。

基于CPU的训练系统或许已经不再是最合适的解决方案了。

深度学习平台在微博社交业务扮演着重要的角色。计算存储分离架构下,微博深度学习平台在数据访问与调度方面存在性能低效的问题。本文将介绍微博内部设计实现的一套全新的基于Fluid(内含JindoRuntime)的新架构方案,显著提升了海量小文件场景模型训练的性能和稳定性,多机多卡分布式训练场景可将模型训练的速度提升18倍。

利用合成数据,Uber将其神经结构搜索(NAS)深度学习优化过程提升了9倍。

Smashtest非常注重通过语言简洁地表达开发人员执行的重复性测试任务来提高测试人员的工作效率。

该版本的主要API贡献是为深度学习模型提供了一个编译函数,可以加快训练速度。
任何时候,Pinterest都运行着数以百计的A/B“试验(experiment)”,其JavaScript测试框架已无法满足他们的试验需求。它需要15分钟才能完成整套“测试(test)”,而且经常会因为试验行为变更以及网络/浏览器问题而中断。因此,他们借机重构了Web测试框架,并在官方博客上介绍了其中几项重点改进。

借助这些硬件和软件优化,您现在可以以同样的速度和效率训练您的模型。

旨在解决大模型训练时写检查点十分耗时的问题,相比 PyTorch 基线,写入速度提升超过 100 倍。

“数据回送”复用训练前期阶段的中间输出,以利用闲置的计算空间。

OpenRL 是由第四范式强化学习团队开发的基于 PyTorch 的强化学习研究框架,支持单智能体、多智能体、自然语言等多种任务的训练。OpenRL 基于 PyTorch 进行开发,目标是为强化学习研究社区提供一个简单易用、灵活高效、可持续扩展的平台。

同态查找表技术,实现隐私保护决策图推理,支持GBDT、决策树、评分卡等模型。

随机森林算法实现的性能对比测试报告

目前还没有任何工作能构建出一个与任务无关的轻量级预训练模型,谷歌大脑研发人员提出了MobileBERT来填补这一空白。

你知道C#运行一个一百次循环要多久吗,一千次,一万次呢?今天这篇文章我们对这个问题去探索一下,顺便去学习一下Stopwatch秒表类,我们是使用这个类去对一个程序做一个运行速度的测试,在C#中这个类用的比较少,至少我是今天才用,虽然不是用的很灵活,但是

斯坦福Matei团队提出全新深度学习并行计算框架FlexFlow

把模型训练环节中不好用的软件用 AI 重写?

“我们无法改善我们无法测量的东西。”

任务栏里的“测试中”一列通常会导致团队有更多在“进行中”的工作,而实际完成的工作会更少。